第3期 王绍钰，等：改进的粒子滤波器目标跟踪方法 ·193· P℉和本文中改进的粒子滤波跟踪算法MPF的跟踪 结果.实验中，目标是被白色纸张遮挡住头部的人 体，并以此为依据建立目标模型，目标初始时刻的位 置是给定的.图4中给出了MPF和PF的跟踪效果 开始时，两者均能很好地跟踪目标，err值都小于5 在第63帧中，头部遮挡的白色纸张被撤销，MPF的 er=5,PF的er3=l0在其后的跟踪中，PF的表 现越来越差，而MP℉则仍然有较好的跟踪效果.这 图2光照条件变化下基于颜色和边缘直方图的粒 表示在目标和背景具有相似颜色特征，存在部分遮 子滤波跟踪 挡时，MPF仍然能够较精确地跟踪目标，而PF在这 Fig 2 Particle filter object tracking based on cobr 种情况下跟踪不如MPF稳定.图5中的实线和虚线 and edge histogram under illum ination chan- ging circumn stance 分别表示MPF和PF在I00帧中的em,计算得到 MPF的平均偏差ave-3,PF的平均偏差ave=7. 图3光照条件变化下基于颜色直方图的粒子滤波 跟踪 Fig 3 Particle filter object tracking based on color 图4PF与MPF的跟踪效果 histogram under illum inaton changing circum- Fig 4 Particle filter object tracking and modified parti- cle filter object tracking stance 20 一IPF ---PE 否则目标将会丢失，当目标又重新出现时，为了更准 15 确更直观地比较跟踪效果，实验中使用： 10 er =a-s)2+(o-s) (21) 来计算第帧跟踪的偏差.a、g表示跟踪的第帧 的目标中心位置，s、s表示准确的第帧目标中心 0 20 4060 80100 位置，er表示第帧中目标偏离准确位置的偏差， Frame 可用来衡量跟踪定位方法的准确性.另外用下式来 图5PF与MPF跟踪的偏差 衡量目标跟踪的平均偏差： Fig 5 The eror of particle filter object tracking and ave=∑erN (22) modified particle filter object tracking i0 实验中分别用式21)、(22)来计算各帧中目标 5结束语 位置的偏差和平均偏差.准确第帧目标中心位置 提出了一种有效的、鲁棒性强的运动目标跟踪 的值是通过手工方法获的，虽然这种方法对单帧中 方法.采用颜色信息和边界信息对运动目标建立模 目标精确定位带有很强的主观性，会带来一些误差， 型，在光照条件变化，目标与背景具有相似的颜色信 但从整体上来看对比较结果不会有太大影响，特别 息时仍然能够达到很好的跟踪效果.对颜色直方图 是对计算的平均偏差几乎不会有影响 和边缘直方图分级量化，然后分别计算目标与粒子 图4和图5给出了标准的粒子滤波跟踪算法 的欧几里德距离，这2个距离作为粒子权值更新的 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved http://www.cnki.net图 2 光照条件变化下基于颜色和边缘直方图的粒 子滤波跟踪 Fig. 2 Particle filter object tracking based on color and edge histogram under illum ination chan2 ging circumstance 图 3 光照条件变化下基于颜色直方图的粒子滤波 跟踪 Fig. 3 Particle filter object tracking based on color histogram under illum ination changing circum2 stance 否则目标将会丢失 ,当目标又重新出现时 ,为了更准 确更直观地比较跟踪效果 ,实验中使用 : erri = ( ox - sx ) 2 + ( oy - sy ) 2 (21) 来计算第 i帧跟踪的偏差. ox、oy表示跟踪的第 i帧 的目标中心位置 , sx、sy表示准确的第 i帧目标中心 位置 , erri 表示第 i帧中目标偏离准确位置的偏差 , 可用来衡量跟踪定位方法的准确性. 另外用下式来 衡量目标跟踪的平均偏差 : ave = ∑ N i =0 erri /N. (22) 实验中分别用式 (21) 、(22)来计算各帧中目标 位置的偏差和平均偏差. 准确第 i帧目标中心位置 的值是通过手工方法获的 ,虽然这种方法对单帧中 目标精确定位带有很强的主观性 ,会带来一些误差 , 但从整体上来看对比较结果不会有太大影响 ,特别 是对计算的平均偏差几乎不会有影响. 图 4和图 5给出了标准的粒子滤波跟踪算法 PF和本文中改进的粒子滤波跟踪算法 MPF的跟踪 结果. 实验中 ,目标是被白色纸张遮挡住头部的人 体 ,并以此为依据建立目标模型 ,目标初始时刻的位 置是给定的. 图 4中给出了 MPF和 PF的跟踪效果. 开始时 ,两者均能很好地跟踪目标 , err值都小于 5. 在第 63帧中 ,头部遮挡的白色纸张被撤销 ,MPF的 err63 = 5 , PF的 err63 = 10. 在其后的跟踪中 , PF的表 现越来越差 ,而 MPF则仍然有较好的跟踪效果. 这 表示在目标和背景具有相似颜色特征 ,存在部分遮 挡时 ,MPF仍然能够较精确地跟踪目标 ,而 PF在这 种情况下跟踪不如 MPF稳定. 图 5中的实线和虚线 分别表示 MPF和 PF在 100帧中的 err,计算得到 MPF的平均偏差 ave = 3, PF的平均偏差 ave = 7. 图 4 PF与 MPF的跟踪效果 Fig. 4 Particle filter object tracking and modified parti2 cle filter object tracking 图 5 PF与 MPF跟踪的偏差 Fig. 5 The error of particle filter object tracking and modified particle filter object tracking 5 结束语 提出了一种有效的、鲁棒性强的运动目标跟踪 方法. 采用颜色信息和边界信息对运动目标建立模 型 ,在光照条件变化 ,目标与背景具有相似的颜色信 息时 ,仍然能够达到很好的跟踪效果. 对颜色直方图 和边缘直方图分级量化 ,然后分别计算目标与粒子 的欧几里德距离 ,这 2个距离作为粒子权值更新的 第 3期 王绍钰 ,等 :改进的粒子滤波器目标跟踪方法 · 391 · © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net